Еволюційна кластеризація як метод розв’язання економічних задач
DOI:
https://doi.org/10.18372/1990-5548.54.12333Ключові слова:
Задача кластеризації, складні об’єкти, еволюційні технології, генетичний алгоритм, еволюційні стратегіїАнотація
В статті представлено метод, розроблений для використання еволюційних технологій для кластеризації великої кількості об’єктів, що представлені за допомогою їх характеристичних значень. У зв’язку з необхідністю аналізувати великі дані та вилучати необхідні дані з багатовимірних баз, використання класичних методів аналізу не є ефективним, або ж потребує великої кількості ресурсів чи часу, щоб надати задовільне вирішення поставленої практичної задачі. Такі задачі дуже часто виникають в економічній та фінансовій сфері, де експерту потрібно приймати правильні рішення, згідно з інформацією, отриманою з різних джерел. Ця інформація може містити шуми, або навіть бути недостовірною. Для вирішення таких задач необхідні збір та формалізація доступної інформації, що потребує значних витрат часу. Запропонований метод дозволяє використовувати еволюційні технології, такі як генетичний алгоритм та елементі еволюційних стратегій, для вирішення задач кластеризації при мінімальних обмеженнях, що накладаються на початкові дані, що відповідає умовам реальних практичних задач. Наведено результати експериментів, при проведенні яких було використано такий метод, що доводить ефективність його використання.
Посилання
I. Mandel, “Cluster analysis,” Finance and Statistics, Moscow, 1988.
A. N. Gorban and A. Yu. Zinovyev, “Method of Elastic Maps and its Applications in Data Visualization and Data Modeling,” Int. Journal of Computing Anticipatory Systems, CHAOS, vol. 12, pp. 353–369, 2002.
T. Kohonen, “Self-organization and associative memory,” New-York, 2d. ed., Springer Verlag, 1988.
A. Jain, M. Murty, and P. Flynn, “Data Clustering: A Review,” ACM Computing Surveys, vol. 31, no. 3, 1999.
N. G. Zagoruiko, Applied methods of data and knowledge analysis, Novosibirsk, MI SB RAS, 1999, (in Russian).
M. Aizerman, E. Braverman, and A. Rozonoer, Method of potential functions in learning theory, Moskow, Nauka, 1970, (in Russian).
A. Ryosuke, M. Miyamoto, E. Yasunori, and H. Yukihiro, “Hierarchical clustering algorithms with automatic estimation of the number of clusters,” 9th International Conference on Soft Computing and Intelligent Systems (IFSA-SCIS), Otso, Japan, 2017.
A. T. C. Francisco, “Fuzzy clustering algorithm with automatic variable selection and entropy regularization,” IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Naples, Italy, 2017.
M. Anusha and J. G. R. Sathiaseelan, “Evolutionary clustering algorithm using criterion-knowledge-ranking for multi-objective optimization,” World Conference on Futuristic Trends in Research and Innovation for Social Welfare (Startup Conclave), Coimbatore, India, 2016.
K. S. S. Reddy and C. S. Bindu, “A review on density-based clustering algorithms for big data analysis,” International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC) Palladam, Tamilnadu, India, 2017.
S. Yadav and M. Biswas, “Improved color-based K-mean algorithm for clustering of satellite image,” 4th International Conference on Signal Processing and Integrated Networks (SPIN) Noida, Delhi-NCR, India, 2017.
H. Yu, Z. Chang, and B. Zhou, “A novel three-way clustering algorithm for mixed-type data,” IEEE International Conference on Big Knowledge (ICBK), Hefei, China, 2017.
E. Falkenauer, Genetic algorithms and grouping problems, Chichester, England: John Wiley & Sons Ltd., 1997.
H.-P. Schwefel, Evolution and optimum seeking, New York: Wiley & Sons, 1995.
##submission.downloads##
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).